PAL：解锁纵向数据通路分析新密码，助力 1 型糖尿病早期研究

在基因或蛋白表达数据研究中，现有通路分析方法难以应对复杂研究设计。研究人员开发通路分析新方法 PAL，经模拟数据及 1 型糖尿病（T1D）相关纵向数据集验证，可识别重要通路，为 T1D 研究提供有力工具。

　　在生命科学研究的广阔领域中，基因和蛋白表达数据的通路分析就像是一把探索生命奥秘的钥匙。然而，这把 “钥匙” 目前却遇到了一些难题。现有的多数通路分析工具，就像是为简单的 “两点一线” 式研究设计的，只能处理两个样本组的简单对照研究，对于复杂的研究设计，它们就显得 “力不从心” 了。比如在一些长期追踪的纵向研究中，由于研究周期长，需要纳入健康对照组来区分正常衰老和疾病发展的影响，但现有的方法却无法处理对照组中研究变量未定义的情况，这就好比在拼图游戏中，少了关键的几块拼图，让整个研究难以完整呈现。

在这样的背景下，来自芬兰图尔库生物科学中心（Turku Bioscience Centre）、图尔库大学（University of Turku）和奥博学术大学（?bo Akademi University）等机构的研究人员，决心攻克这一难题。他们开展了关于纵向数据通路分析方法（Pathway Analysis of Longitudinal data，PAL）的研究，试图为复杂研究设计找到一种有效的通路分析方法。

研究人员经过不懈努力，得出了令人振奋的成果。他们开发的 PAL 方法，在模拟数据和三个与 1 型糖尿病（T1D）早期发展相关的纵向数据集分析中表现出色。该方法不仅能准确识别与研究变量显著相关的通路，而且在处理不同类型的数据（转录组学和蛋白质组学数据）时都展现出了强大的能力。这一成果意义非凡，它为研究 T1D 等复杂疾病的发病机制提供了新的视角和有力工具，就像是为科研人员在黑暗中点亮了一盏明灯，指引他们更深入地探索疾病的奥秘。这项研究成果发表在了《Scientific Reports》杂志上。

为开展此项研究，研究人员运用了多种关键技术方法。首先，在数据处理方面，他们使用了线性混合效应模型（linear mixed effects models）对基因 / 蛋白质水平的混杂变量进行调整，以去除混杂因素的影响。接着，采用 Pathway Analysis for Sample-level Information（PASI）方法计算通路分数，该方法结合了通路结构信息，能更准确地反映通路活性。最后，通过基于置换的程序进行通路水平的显著性检验，以此确定每个通路与研究变量的关联程度。研究使用的样本队列来自 DAISY、Diabimmune 和 BabyDiet 三个公开数据集，分别包含纵向蛋白质组学或转录组学数据。

下面来详细看看研究结果：

• 模拟数据表现：在模拟数据实验中，研究人员构建了包含 100 条通路的模拟数据，其中部分通路具有年龄效应或疾病效应。结果显示，PAL 能够准确估计主要变量（疾病效应）的系数，且该估计对噪声不敏感。通过错误发现率（False Discovery Rate，FDR）估计，具有真实疾病效应的通路被排在前列，其准确性、敏感性和特异性均高于 80%。不过，研究也发现 PAL 估计的 FDR 水平略显宽松，会导致一些假阳性结果。在样本量影响测试中，研究发现当样本量达到 20 及以上时，PAL 能保持良好性能；样本量小于 20 时，其敏感性会下降，但特异性、精确性和准确性仍保持在一定水平。与其他方法（TcGSA 和 GSEA）相比，PAL 在控制 FDR 和识别真正相关通路方面表现更优。
• 案例研究 1：血浆蛋白质组学数据：将 PAL 应用于 DAISY 血浆蛋白质组学数据，研究人员发现了 9 条与血清转化显著相关的通路（FDR <0.05），其中 “苯丙氨酸、酪氨酸和色氨酸生物合成” 通路与血清转化的时间效应尤为明显。在比较糖尿病前期和健康供体时，PAL 识别出 88 条显著通路，其中部分通路在健康对照组和糖尿病前期组中表现出不同的活性。与原始研究相比，PAL 能够从复杂数据中发现更多相关通路，而原始研究使用传统方法未能识别出显著通路。
• 案例研究 2：幼儿转录组学时间序列数据：对 Diabimmune 数据进行分析，PAL 在 PBMC 数据中仅发现 1 条与血清转化显著相关的通路 “溶酶体”。在比较糖尿病前期和健康对照组时，PAL 在不同细胞类型（PBMC、CD4⁺ T 细胞和 CD8⁺ T 细胞）中识别出不同数量的显著通路，且这些通路在不同细胞类型中的变化趋势各异。在 CD8⁺ T 细胞中，一些显著通路与 β 细胞破坏、细胞内稳态和组织 / 器官水平稳态相关，还发现了与心肌病相关的通路，这一结果与 T1D 患者心肌病风险增加的文献报道相符，但与早期疾病的关联令人意外。与原始研究相比，PAL 在 CD8⁺ T 细胞中检测到的通路数量最多，且部分通路与原始研究通过 DAVID 工具检测到的结果重叠。
• 案例研究 3：长随访时间的转录组学纵向数据：分析 BabyDiet 数据时，PAL 检测到 7 条与血清转化显著相关的通路，这些通路多与不同生物分子的代谢有关。在比较糖尿病前期和健康对照组时，PAL 也识别出 7 条活性改变的通路，同样多与生物分子代谢相关。时间与一些基因组和生物分子代谢相关通路显著相关，部分通路的发现得到了先前研究的支持。

在研究结论和讨论部分，研究人员指出，PAL 作为一种新型通路分析方法，在分析具有复杂研究设计的纵向数据方面表现出显著优势。它能够从具有挑战性的 T1D 早期发展数据集中识别出相关通路，这些通路在原始研究中未被发现，但在文献中得到了充分支持，尤其是与不同生物分子代谢相关的通路。尽管 PAL 在小样本量下仍有可靠表现，但样本量低于 20 时，其敏感性和精确性会有所下降。此外，PAL 也存在一些局限性，如无法调整样本组间部分共享的分类特征，依赖线性混合效应模型可能无法捕捉非线性趋势，且研究结果的验证存在挑战。然而，这些局限性并不影响 PAL 的重要意义，它为研究复杂疾病的发病机制提供了新的有力工具，为后续研究开辟了新的方向，有望推动生命科学和健康医学领域在相关疾病研究上取得更多突破。